AI同傳PK人類同傳，這或許是兩個職業

文 | 顏璇

人工智慧又又又摔了個跟頭。

今年的博鰲亞洲論壇上，第一次出現了AI同傳。值得注意的是，這是博鰲論壇創辦17年首次採用人工智慧同傳技術。然而，在如此重要的場合，現場配備的騰訊AI同傳卻掉了鏈子。辭彙翻譯不準確、重複、短語誤用等「烏龍」引來各方「嘲笑」。

人們總是把AI跟人類職位對立起來，各種「取代論」層出不窮。博鰲論壇會議前，就出現了許許多多的「取代論新聞」引起了各界關注。最終，AI同傳「翻車」，引來外界一片唏噓。

然而，就目前來看，AI同傳前路未明，太早將其與人類同傳對立起來實在是「杞人憂天」。除了取代，AI同傳其實有更好的路。

圖為AI同傳內容

一．AI同傳進階之路：變智能問題為數據問題

很多人都覺得人工智慧如果要處理自然語言，就必須理解自然語言。實質上，AI翻譯靠的是數字，更準確地來說，是統計。AI同傳出錯，並不是「智能」不夠，實質上，是數據和模型出了問題。

1.AI同傳還需要理解力

首先，AI同傳要去理解場景。在博鰲論壇上，會議現場專業度高、覆蓋度廣，AI對特殊場景的理解還不夠。場景對於語義具有至關重要的影響，相同的一句話在不同的場景里有不同的意思。舉個例子，「好 」這個字在百度漢語顯示有多種語義，既可以表示稱讚，也可以表示狀態，還可以表達問好……諸如此類，語義的表達和理解都要結合具體的場景。在具體的句子中，這種語義與情景的結合就更為緊密，更需要機器理解學習。

其次，AI要理解口語的模糊邏輯。口語翻譯是不會百分百傳譯的，根據 AIIC（國際會議口譯員協會）的規定，同傳譯員只要翻譯出演講者內容的80%就已經算是合格了（90 %~100 %的「同傳」幾乎是不可能的）。這意味著AI工作量減少嗎？當然不，正是這種模糊的東西使得AI同傳更加困難，除此之外，口語沒有標點符號來標誌句子，缺少了必要的聲調和停頓，就很容易造成句子的歧義。而模糊的指令極有可能出現的是滿屏的錯碼。

2. 隱馬爾可夫模型（HMM）解決統計數據之外的語言問題

然而，在參考騰訊AI同傳的失誤後，我們發現，僅僅增加數據量還是不夠的，在現實生活中，我們也會遇到零概率或者統計量不足的問題。

比如一個漢語的語言模型，就足足達到20萬這個量級。曾有人做過這樣一個假設，如果刨掉互聯網上的垃圾數據，互聯網中將會有100億個有意義的中文網頁，這還是相當高估的一個數據，每個網頁平均1000詞，那麼，即使將互聯網上上所有中文內容用作訓練，依然只有1013。

為了解決數據量的問題，我們提出了隱馬爾可夫模型（HMM）。實際應用中，我們可以把HMM看作一個黑箱子，這個黑箱子可以利用比較簡潔的數據，處理後得出：

1. 每個時刻對應的狀態序列；

2. 混合分布的均值和方差矩陣；

3. 混合分布的權重矩陣；

4. 狀態間轉移概率矩陣。

看起來可能比較複雜，簡單點說，這個模型可以通過可觀察的數據而發現這個數據域外的狀態，即隱含狀態。也就是說，我們可以憑藉一句話，來探索出這句話後的隱含的意思，從而解決一些微妙的語義問題。

如上圖所示，這個模型能夠通過你提供的可以明顯觀察的句子，推斷出一個人隱含的心情狀態（開心OR難過），並得到最後的行為判斷（宅、購物、社交），即通過已知推斷出未知。

而如何優化這個模型，得到最優隱含狀態？人們提出了許多解決問題的演算法， 包括前向演算法、Viterbi演算法和Baum-Welch演算法。此中奧妙，難以盡述。但不能否認的是，在深度學習的基礎上，數據+模型就能很好地打造出一款AI同傳翻譯，數據越大，神經網路更好。即使翻譯結果不盡如人意，但只要建設足夠大的資料庫，建立更好的模型，打磨演算法，AI同傳很快就會有更大的提升。

二．NLP金字塔頂端反哺底端：打造高質量AI同傳

除了增加資料庫和打磨數據模型，AI同傳還可以從哪些方面提升呢？我們不妨借鑒一下其它的技術。下圖中，這四個方面代表了人們在 NLP 領域的一些進步。用金字塔形來表示這四個技術之間的關係，難度是逐級上升的。

目前，聊天機器人和閱讀理解這一塊兒已經取得了很大的突破。而AI閱讀理解技術的進步不止是NLP的高階進化，還有一層意義是，科學之間是相通的，技術之間可以互相借鑒，金字塔頂端技術可以反哺底端。

在自然語言處理上，人區別於AI的點在於人有先驗知識。即人們在聽到某個字時，會自然地聯想到後一個字，或者會被一個詞觸發了一句話的聯想。比如，我們聽到「中」，既有可能想到「國」，也可能想到「間」。但是AI「聯想」的詞卻依靠數據。它說「北」，如果輸入的數據不變，那後面跟的就是」京「。

智能相對論（ID：aixdlun）行業分析師顏璇曾經在《AI在閱讀理解領域開始「跑分」，這個「人類好幫手」還能去哪炫技》一文中總結了AI閱讀理解的技術層面，我們或許可以從中得到閱讀理解技術反哺AI同傳的方法。

AI閱讀理解技術的流程如下，Embedding Layer（相當於是人的辭彙級的閱讀知識）→Encoding Layer（相當於人通覽全文）→Matching Layer（相當於帶著問題讀段落）→Self-Matching Layer（相當於人再讀一遍進行驗證）→AnswerPointerLayer（相當於人綜合線索定位答題）。

綜合來看，閱讀更偏向的是 Multi-turn，即做完一次輸入輸出後，要把結果作為下輪輸入的一部分繼續輸出，系統在運作時需要考慮上下文。而翻譯，則是 Single-turn，一句話進一句話出。

合理利用後，機器翻譯即使現在是 Single-turn，將來也有可能是 Multi-turn；AI同傳現在沒用到上下文背景，將來也有可能結合上下文做到翻譯質量更佳。

如今，創作還是人工智慧正在摸索的領域，而一旦這個領域有了突破，將一些技術應用到AI同傳里，我們或許可以達到翻譯的最高境界——」信、達、雅」。

三、在未來，AI不會擠占人類同聲傳譯員的空間

AI同傳會取代人類翻譯嗎？當然不會。先不說語言本身的複雜，我們可以來看看同傳的實際應用場景。

在實際工作中，不論是口譯還是直接對話都需要同傳來完成，不會有被服務方只聘用其中的一個職能。也就是說，AI同傳不僅要學會翻譯，還要學會聊天。而在這一塊兒，機器還有很大的進步空間。那麼,AI同傳的用處在哪裡呢？

1. AI共享同傳，僅針對普通人的市場

人們出國旅遊，常常會遇到語言溝通問題，然而，並不是每個人都配得起一個專業的口語翻譯。這時候，如果一個可穿戴設備亦或者一部手機就能為你同聲傳譯，想必會減少很多人的出國成本。隨身攜帶一位專屬的同聲傳譯，是不是覺得很酷呢？

智能硬體一直是AI的狂熱地帶。就在去年，微軟和華為合作，在 Mate 10 手機中嵌入了微軟的神經網路機器翻譯，可以算得上是在終端運行神經網路機器翻譯的第一例。

如果AI同傳的硬體設備出世，更可能的商業模式是出租或者共享。即按需求進行租用，有一個專門的技術公司負責租賃，正如共享單車一樣，我們的使用費會降到極低。而這類AI的應用場景並不在複雜的會議現場，而是日常生活，出外旅遊等，語料庫的建設也會更加簡單。

如此，AI同傳只是更加惠民而已，卻不會取代在某個特殊場景比如金融會議、醫療會議等更加專業的人類同傳。

將AI同傳與硬體設備相結合，創造切實可用的語音介面，還可以在很大程度上提高用戶在移動終端、可穿戴、智能家居、智能汽車等智能設備的體驗，真正在交互層面實現智能時代的人機結合。

2.AI同傳成為同聲翻譯的考官

同聲傳譯需求量成倍增加，但是合格的同聲傳譯的數量卻增長非常緩慢，據了解，現實市場上能夠十句話翻譯出十句的同傳譯員寥寥無幾。同時，擁有高級口譯資格證書的人並不一定能勝任同聲翻譯，同聲翻譯還需要進行專業的技能訓練，而有些合格的同聲翻譯人員也並不一定有口譯證書。

目前，我國還沒有一個固定的機構來負責同聲翻譯的相關事宜，也沒有一套統一的標準對同聲翻譯的工作進行考評。

面對這樣的困境，我們或許可以在AI同傳上開個腦洞。

人們可以利用AI數字化、標準化等特點，以資料庫為依託，將AI訓練成單一功能性的考核機器，針對不同的應用場景，對同聲傳譯員進行考核和評級，從而規範人才市場。

這裡或許可以參考駕駛培訓機器人。駕培機器人包含了高精度GPS導航技術、慣性技術和虛擬感測技術、視頻檢測、數據處理、無線傳輸、指紋身份識別等高新技術，能夠精確記錄、判斷駕駛人操縱駕駛機動車的真實能力。

同理，AI同傳也可以在各種場景里，去觀察、判斷考生的翻譯能力，以及考生對翻譯規則的熟悉、理解程度。這個系統可以減少考試員的勞動強度和人為因素，確保考試公平、公正，考核方法科學準確。

簡單來講，我們的目標是通過智能機器，使考核自動化，選撥或者是訓練真正的人才，而並非取代人類的翻譯能力。

更有意思的是，在考核過程中，AI又能不斷吸收新養分，增加口語類文本語料庫，何樂而不為呢？

【完】

智能相對論（微信id:aixdlun）：深挖人工智慧這口井，評出鹹淡，講出黑白，道出vb深淺。重點關注領域：AI+醫療、機器人、智能駕駛、AI+硬體、物聯網、AI+金融、AI+安全、AR/VR、開發者以及背後的晶元、演算法、人機交互等。